AI 辅助设计轨道，Fermi Explorer 拟 8 万年飞抵半人马座 α

一个由航天爱好者组成的团队近日公布了名为「Fermi Explorer」的探测器计划，目标是在数万年后抵达距太阳最近的恒星系统——半人马座 α。这一长达 8 万年的旅程之所以具备工程可行性，部分得益于 AI 公司 Physical Superintelligence 提供的智能体工具，它将原本需要专家团队耗时数月的轨道计算压缩到了几小时之内。

任务概况：8 万年的星际信使

Fermi Explorer 由 Philip Johnston 等多位 Starcloud 公司高管联合发起，计划最早于 2029 年搭乘 SpaceX Falcon 9 火箭进入近地轨道。探测器总重约 150 公斤，其中三分之二为氙推进剂储罐，由太阳能板供电的霍尔效应推进器提供动力。

• 最终巡航速度约为 23.6 公里/秒，相比 2016 年 Breakthrough Starshot 提出的激光驱动微型卫星方案（6 万公里/秒）慢得多。
• 探测器预计先用 13.5 年借助地球和太阳引力弹弓效应加速，再用 11 年离开太阳系，随后关闭系统、依靠惯性飞向目标。
• 总预算约 1500 万美元，相对其他星际探索概念成本更低。

探测器将携带 1 公斤重的立方体载荷舱，内含微陨石撞击板、盖革计数器、星际尘埃采集器等小型实验设备，并复制了一份「旅行者金唱片」内容以及来自全球儿童的问候信息。外部天体物理学家评价，该任务科学收益有限，但技术路径成熟可行。

AI 的角色：智能体替代数月的人工推演

任务的难点在于设计一条既能摆脱太阳系、又对推进剂消耗可控的轨道。项目团队最终求助于 AI 公司 Physical Superintelligence。该公司 CEO Matt Pines 表示，旗下名为「Get Physics Done」的开源智能体 AI 通过自动文献检索、多轮仿真与验证循环完成了轨迹求解，整个过程仅耗时数小时。

• 该智能体可执行文献检索、迭代仿真、结果校验等环节，替代了过去由人工团队完成的繁琐流程。
• 项目方称，这是「Open Weight」开源策略下智能体工具在复杂多体物理问题上的典型应用案例。

AI 与航天工程结合的边界

值得注意的是，这篇报道的核心仍是航天任务本身，而非 AI 模型本身的能力突破。文章并未公开「Get Physics Done」的模型规模、训练方式或在物理仿真任务上的 benchmark 表现，也未提供与传统人工轨道设计在精度或可靠性上的对比数据。因此，AI 在其中扮演的角色更多是「加速器」而非「决策者」，其工程意义大于算法意义。

对于关注 AI 落地的开发者而言，这一案例展示了智能体在多步科研流程中的实际可用性；但对于模型与算法本身的研究者而言，其信息量相对有限。